典型文献
基于集成学习的涡扇发动机剩余寿命预测模型
文献摘要：
为了解决涡扇发动机的监测数据维数高、时间跨度长、给预测发动机剩余使用寿命带来困难的问题.本文提出了一种基于集成神经网络模型的发动机寿命预测系统,采用集成学习中的Stacking方法对单一的学习器进行集成来预测涡扇发动机的剩余使用寿命(RUL).模型在NASA公共数据集C-MAPSS(Commercial Modular Aero-Propulsion System Simulation)上进行了发动机寿命预测实验验证,并与常用的机器学习方法和单一神经网络进行了比较.实验结果表明:模型在多种评价方法上综合表现最佳,且在超前预测上表现良好.
文献关键词：
寿命预测;神经网络;模型融合;集成学习
中图分类号：
作者姓名：
张一鸣;刘晓锋;崔宝;唐瑞
作者机构：
北京航空航天大学交通科学与工程学院,北京100191;中国船舶集团有限公司第七○三研究所,黑龙江哈尔滨150078
文献出处：
引用格式：
[1]张一鸣;刘晓锋;崔宝;唐瑞-.基于集成学习的涡扇发动机剩余寿命预测模型)[J].热能动力工程,2022(04):64-70
A类：
B类：
集成学习,涡扇发动机,剩余寿命预测模型,时间跨度,跨度长,剩余使用寿命,集成神经网络,预测系统,Stacking,RUL,NASA,公共数据,MAPSS,Commercial,Modular,Aero,Propulsion,System,Simulation,机器学习方法,综合表现,模型融合
AB值：
0.388231
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
